考虑关联因素的智能化中长期电力负荷预测方法

被引：44

作者：

张志 ^{[1
]}

杜延菱 ^{[1
]}

崔慧军 ^{[1
]}

汪洋 ^{[2
]}

贺哲 ^{[2
]}

赖晓文 ^{[3
]}

机构：

[1] 国网冀北电力有限公司

[2] 北京清能互联科技有限公司

[3] 清华大学

来源：

电力系统保护与控制 | 2019年 / 47卷 / 02期

关键词：

中长期负荷预测; 季节分解; 时滞效应; 主成分分析;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

为了解决现有中长期负荷预测方法中存在的预测精度欠优及场景适用性较差等问题,提出一种考虑影响因素协调关系及滞后效应的新型中长期负荷预测方法。首先通过关联矩阵筛选得到影响负荷变化的强相关因素,结合计量学的X-12-ARIMA模型对负荷及其影响因素进行季节分解,得到3个特征分解部分。在此基础上,通过时滞效应检验确定滞后期数,结合主成分分析法去除数据噪声影响,进一步提升数据纯度。最后针对月度和季度负荷进行预测算例分析,通过比对其他时序外推方法的预测结果和非线性模型方法应用后的精度提升,验证了所提方法的有效性和适用性。

引用

页码：24 / 30

页数：7

共 17 条

[1]

Seasonal climate forecasts for medium-term electricity demand forecasting.[J].Matteo De Felice;Andrea Alessandri;Franco Catalano.Applied Energy.2015,

[2]

Multivariate statistical and similarity measure based semiparametric modeling of the probability distribution: A novel approach to the case study of mid-long term electricity consumption forecasting in China.[J].Zhen Shao;Fei Gao;Qiang Zhang;Shan-Lin Yang.Applied Energy.2015,

[3]

Mid-term interval load forecasting using multi-output support vector regression with a memetic algorithm for feature selection.[J].Zhongyi Hu;Yukun Bao;Raymond Chiong;Tao Xiong.Energy.2015,

[4]

Modeling and prediction of Turkey’s electricity consumption using Support Vector Regression.[J].Kadir Kavaklioglu.Applied Energy.2010, 1

[5]

电力系统负荷预测.[M].康重庆; 夏清; 刘梅; 编著.中国电力出版社.2007,

[6]

时间序列X-12-ARIMA季节调整.[M].中国人民银行统计司; 主编.中国金融出版社.2006,

[7] 动态相似与静态相似相结合的短期负荷预测方法 [J].